百度BML、飞桨训练营（四）人流密度检测

文章相关内容资料已经取得百度BML允许，仅用与交流学习，请不要用于商业传播。

下载数据集
请在开始任务前，下载以下文件至本地

1.Notebook模板+测试数据集下载（视频demo）
https://aistudio.baidu.com/aistudio/datasetdetail/114696

2.PaddleDetection下载链接（若Github无法进入，则选择Gitee链接）
Github：https://github.com/PaddlePaddle/PaddleDetection
Gitee：https://gitee.com/PaddlePaddle/PaddleDetection

第一步：新建Notebook，选择通用模版
图片

第二步：配置Notebook，开发语言选择Python3.7，AI框架选择PaddlePaddle 2.0.0，资源规格选择GPU V100，启动。打开Notebook
图片

第三步：FairMOT训练代码准备，下载PaddleDetection到本地，然后上传至Notebook。解压代码压缩包，并重命名代码文件夹

1.上传Notebook人流量统计模板至Notebook
图片

2.下载PaddleDetection（新）
!git clone https://gitee.com/PaddlePaddle/PaddleDetection.git -b develop

第四步：环境准备，安装PaddleaddleDetection所需依赖
! python -m pip install paddlepaddle-gpu==2.1.3.post101 -f https://www.paddlepaddle.org.cn/whl/linux/mkl/avx/stable.html
! pip install -r PaddleDetection/requirements.txt
图片

图片

第五步：数据集下载
! wget https://motchallenge.net/data/MOT16.zip
! wget https://dataset.bj.bcebos.com/mot/image_lists.zip
图片

第六步：解压数据，并移动到指定路径
1.解压数据
! unzip -oq ./image_lists.zip
! mkdir MOT16
! unzip -oq -d MOT16/images ./MOT16.zip

2.将全部数据移动到 PaddleDetection/dataset/mot 中
! mv MOT16/ PaddleDetection/dataset/mot/
! mv image_lists/ PaddleDetection/dataset/mot/
图片

第七步：数据格式修改
%cd PaddleDetection/dataset/mot
! python gen_labels_MOT.py
图片

第二步：训练配置修改
1.训练数据集：打开 configs/datasets/mot.yml，将 TrainDataset: !MOTDataSet: image_lists: [‘mot17.train’, ‘caltech.all’, ‘cuhksysu.train’, ‘prw.train’, ‘citypersons.train’, ‘eth.train’] 修改为 [‘mot16.train’]
图片

2.epoch数量（非必需）：打开 configs/mot/fairmot/base/optimizer_30e.yml，将 epoch: 30 改为 epoch: 5
图片

第三步：进入工作目录
cd /home/work/PaddleDetection/
图片

第四步：启动模型训练
! python -m paddle.distributed.launch --log_dir=./fairmot_dla34_30e_1088x608/ --gpus 0 tools/train.py -c configs/mot/fairmot/fairmot_dla34_30e_1088x608.yml
图片

图片

图片

第五步：启动模型评估
1.新建终端，进入工作目录
cd /home/work/PaddleDetection/
图片

CUDA_VISIBLE_DEVICES=0 python tools/eval_mot.py -c configs/mot/fairmot/fairmot_dla34_30e_1088x608.yml -o weights=output/fairmot_dla34_30e_1088x608/model_final.pdparams
图片

模型评估完成：

如何通过模型评估结果判断模型训练效果？

最后结果是这样子的

进入工作目录
cd /home/work/PaddleDetection/
第二步：视频预测
1.上传提前下载好的视频demo
https://aistudio.baidu.com/aistudio/datasetdetail/114696
测试数据集-视频demo
图片

图片

2.执行预测命令
! CUDA_VISIBLE_DEVICES=0 python tools/infer_mot.py -c configs/mot/fairmot/fairmot_dla34_30e_1088x608.yml -o weights=output/fairmot_dla34_30e_1088x608/model_final.pdparams --video_file=…/example.mp4 --frame_rate=20 --save_videos

图片

3.下载预测视频至本地，进行观看
图片

图片

第三步：图片文件夹预测
1.执行预测命令
! CUDA_VISIBLE_DEVICES=0 python tools/infer_mot.py -c configs/mot/fairmot/fairmot_dla34_30e_1088x608.yml -o weights=output/fairmot_dla34_30e_1088x608/model_final.pdparams --image_dir=./dataset/mot/MOT16/images/test/MOT16-01/img1 --save_videos
图片

图片

2.下载预测结果至本地，进行查看
图片

第四步：模型导出并配置文件
! CUDA_VISIBLE_DEVICES=0 python tools/export_model.py -c configs/mot/fairmot/fairmot_dla34_30e_1088x608.yml -o weights=output/fairmot_dla34_30e_1088x608/model_final.pdparams
图片

图片

最后结果